北京时间5月22日凌晨消息,聚美优品(NYSE:JMEI)今天发布了截至3月31日的2015财年第一季度未经审计财报。报告显示,聚美优品第一季度总净营收为2.506亿美元,比去年同期的1.549亿美元增长61.8%;归属于公司普通股股东的净利润为1570万美元,相比之下去年同期归属于公司普通股股东的净利润为1050美元,同比增长49.5%。
根据雅虎财经汇总的数据,8位分析师平均预计,不按美国通用会计准则计算(Non-GAAP),聚美优品第一季度每股美国存托凭证(ADS)摊薄收益0.09美元。财报显示,聚美优品第一季度每股收益为0.11美元,超出分析师预期。
另外,7位分析师平均预计,聚美优品第一季度总营收2.3053亿美元。财报显示,聚美优品第一季度总营收2.506亿美元,超出分析师预期。
主要业绩:
-聚美优品第一季度总净营收为2.506亿美元,比去年同期增长61.8%;
-聚美优品第一季度总净交易额(GMV)为3.265亿美元,比去年同期增长20.3%,主要由于活跃用户人数同比增长14.3%以及总订单数量同比增长18.4%;
-聚美优品第一季度毛利润在净营收中所占比例为31.4%,低于去年同期的44.1%。聚美优品第一季度毛利润在总净交易额中所占比例为24.1%,略低于去年同期的25.2%。聚美优品毛利润在净营收和总净交易额中所占比例的下滑,主要由于公司从2014年9月份开始转变战略,从美容产品市场销售转向商品销售;
-聚美优品第一季度归属于公司普通股股东的净利润为1570万美元,相比之下去年同期归属于公司普通股股东的净利润为1050美元,同比增长49.5%。聚美优品第一季度归属于公司普通股股东的净利润率为6.3%,相比之下去年同期为6.8%;
-不按照美国通用会计准则(不计入股权奖励支出),聚美优品第一季度归属于公司普通股股东的净利润为1720万美元,比去年同期增长44.5%。不按照美国通用会计准则(不计入股权奖励支出),聚美优品第一季度归属于公司普通股股东的净利润率为6.9%,相比之下去年同期为7.7%。
聚美优品创始人暨CEO陈欧表示:“我们很高兴地宣布,2015年第一季度的公司业绩增长强于预期。2014年底,我们成功地完成了从美容产品市场销售转向商品销售的过渡,我们的新业务发展计划聚美汇全球购也在年初上线,并实现了很高的销售量增长。聚美优品目前是中国跨境电子商务市场的领先平台之一。我们在2015年4月中旬扩大业务,将跨境母婴用品覆盖在内,并在中国的这一新类别产品的市场上迅速占据了领导地位。我们在2015年的目标是,把重点放在营收的增长上,并将业务拓展至其他跨境商品类别中去。我们正着眼于扩大用户基础,以及大幅提高我们的订单数量。我们相信自己能实现2015年中的季度和年度销售目标。 ”
财务分析:
聚美优品第一季度总净营收为2.506亿美元,比去年同期的1.549亿美元增长61.8%。聚美优品总净营收的增长,主要由于公司战略从美容产品市场销售转向商品销售,以及由于活跃用户人数和总订单数量同比增长。聚美优品第一季度活跃用户人数同比增长14.3%,从去年同期的约490万人增长至约560万人;总订单数量同比增长18.4%,从去年同期的约1140万份增长至约1350万份。
聚美优品第一季度毛利润为7870万美元,比去年同期的6830万美元增长15.2%。聚美优品第一季度毛利润在净营收中所占比例为31.4%,低于去年同期的44.1%,这一下降主要由于公司战略从美容产品市场销售转向商品销售。聚美优品第一季度毛利润在总净交易额中所占比例为24.1%,略低于去年同期的25.2%。这一下降主要由于产品组合发生了改变。
聚美优品第一季度总运营支出为6470万美元,比去年同期的5120万美元增长26.4%。聚美优品第一季度总运营支出在总净交易额中所占比例为19.8%,高于去年同期的18.9%。
聚美优品第一季度履约支出为2880万美元,比去年同期的1990万美元增长44.7%。聚美优品第一季度履约支出在总净交易额中所占比例为8.8%,高于去年同期的7.3%,主要由于聚美汇全球购的履约支出增长。
聚美优品第一季度营销支出为2380万美元,比去年同期的2340万美元增长1.7%。聚美优品第一季度营销支出在总净交易额中所占比例为7.3%,低于去年同期的8.6%,主要由于聚美优品在这一季度中发起了一系列有效且高效的营销和品牌促销活动,其目的是扩大公司的用户基础。
聚美优品第一季度技术和内容支出为670万美元,比去年同期的430万美元增长55.8%。聚美优品第一季度技术和内容支出在总净交易额中所占比例为2.1%,高于去年同期的1.6%。这种增长主要反映了公司继续对其信息和技术平台进行的投资,以及反映了公司吸引顶级研发人才的承诺,其目的是向消费者和商家提供更好的技术服务。
聚美优品第一季度总务和行政支出为530万美元,比去年同期的370万美元增长43.2%。聚美优品第一季度总务和行政支出在总净交易额中所占比例为1.6%,高于去年同期的1.4%。这种大幅增长主要是由于总务和行政员工人数增加。
聚美优品第一季度运营利润为1410万美元,低于去年同期的1710万美元。
不按照美国通用会计准则(不计入150万美元的股权奖励支出),聚美优品第一季度运营利润为1560万美元,比去年同期的1850万美元下滑15.7%。
美国(免费):+1-877-679-2987
美国:+1-646-502-5131
英国(免费):+440800-376-2927
英国:+44+020-7660-2114
密码:810834#
请在电话会议开始前10分钟拨入。在2015年6月22日前,可拨打以下电话重复收听:
国际和中国香港:852-3060-0238
美国:1-866-345-5132
密码:215252#
此外,聚美优品网站投资者关系频道http://jumei.investorroom.com将对电话会议进行直播,并提供录音。
股价变动:
当日,聚美优品股价在纳斯达克常规交易中上涨2.03美元,报收于28.03美元,涨幅为7.81%。在随后截至美国东部时间16:58(北京时间22日4:58)的盘后交易中,聚美优品股价下跌0.16美元,至27.87美元,跌幅为0.57%。过去52周,聚美优品的最高价为39.45美元,最低价为12.11美元。
聚美优品第一季度归属于公司普通股股东的净利润为1570万美元,相比之下去年同期归属于公司普通股股东的净利润为1050美元,主要由于这一季度中并无优先股吸积,原因是优先股已在公司2014年5月完成IPO(首次公开招股)交易时被转换为普通股。聚美优品第一季度归属于公司普通股股东的净利润率为6.3%,低于去年同期的6.8%。聚美优品第一季度归属于公司普通股股东的每股美国存托凭证基本和摊薄收益分别为0.11美元和0.10美元,相比之下去年同期分别为0.16美元和0.12美元。
不按照美国通用会计准则(不计入股权奖励支出),聚美优品第一季度归属于公司普通股股东的净利润为1720万美元,比去年同期的1190万美元增长44.5%。不按照美国通用会计准则(不计入股权奖励支出),聚美优品第一季度归属于公司普通股股东的净利润率为6.9%,
相比之下去年同期为7.7%。不按照美国通用会计准则(不计入股权奖励支出),聚美优品第一季度归属于公司普通股股东的每股美国存托凭证基本和摊薄收益分别为0.12美元和0.11美元,相比之下去年同期分别为0.18美元和0.14美元。
资产负债表:
截至2015年3月31日,聚美优品持有的现金和现金等价物总额为1.567亿美元,短期投资为4.237亿美元。
业绩展望:
聚美优品预计,2015财年第一季度总净营收为2.701亿美元到2.778亿美元,同比增长约75%到80%。这一预期反映了聚美优品对市场和运营状况的当前和初步观点,未来可能有所改变。
电话会议:
财报发布后,聚美优品管理团队将于美国东部时间5月22日早上8点30分(北京/香港时间5月22日晚上8点30分)召开电话会议,解读财报要点,并回答投资者和分析师提问。
收听电话会议的号码为:
中国香港(免费):+825-800-908-575
中国香港:+852-3056-2688
中国大陆(免费)+86-800-803-6152
中国大陆:+86-400-603-9021
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。